RIESGOS EN LA CADENA DE SUMINISTROS
Las cadenas de suministro globales son la columna vertebral de la economía mundial, permitiendo el flujo eficiente de bienes y servicios en todo el mundo. Sin embargo, esta interconexión también conlleva una serie de riesgos significativos. Desde desastres naturales hasta interrupciones políticas y ciberataques, los peligros acechan en cada eslabón de la cadena. Estas amenazas no solo pueden paralizar la producción y distribución, sino que también pueden tener un impacto devastador en la reputación y la viabilidad financiera de las empresas. En un mundo cada vez más interconectado e impredecible, comprender y mitigar estos riesgos se ha vuelto crucial para la supervivencia y el éxito a largo plazo de las organizaciones.
En lugar de agregar soluciones temporales a sistemas obsoletos, las empresas lideres están buscando anticiparse al riesgo. Están adoptando herramientas de gestión de la cadena de suministro inteligentes que pueden integrar su cadena de suministro con sus clientes, con todo su negocio y sus ecosistemas operativos.
1. INCERTIDUMBRE EN LA DEMANDA
La incertidumbre en la demanda se refiere a la falta de certeza o predictibilidad en la cantidad de un producto o servicio que los consumidores desearán adquirir en el futuro. Esta incertidumbre puede deberse a una variedad de factores, como cambios en las preferencias de los consumidores, condiciones económicas inestables, fluctuaciones estacionales, eventos inesperados (como desastres naturales o pandemias), entre otros, para las empresas, la incertidumbre en la demanda puede dificultar la planificación de la producción, la gestión de inventarios y la toma de decisiones estratégicas. Por lo tanto, es importante para las empresas desarrollar estrategias flexibles y adaptativas para hacer frente a esta incertidumbre y minimizar su impacto en la operación y rentabilidad del negocio.
Imaginemos una empresa que fabrica tablas de surf. Durante el verano, la demanda de tablas de surf suele ser alta debido a que muchas personas van a la playa y practican surf. La empresa puede planificar su producción y gestión de inventarios en función de esta demanda estacional esperada, sin embargo, la incertidumbre en la demanda podría surgir si, por ejemplo, un invierno particularmente suave provoca que más personas decidan surfear durante los meses de invierno. Esto podría resultar en una demanda inesperadamente alta de tablas de surf durante los meses en los que normalmente la demanda es baja. La empresa podría encontrarse en una situación en la que no tiene suficientes tablas de surf en stock para satisfacer esta demanda inesperada, lo que podría resultar en la pérdida de ventas y clientes insatisfechos. Por otro lado, si el verano es inusualmente frío o lluvioso, la demanda de tablas de surf podría ser más baja de lo esperado, lo que llevaría a un exceso de inventario y la necesidad de reducir los precios para deshacerse del exceso de stock. En ambos casos, la incertidumbre en la demanda puede plantear desafíos para la empresa en términos de planificación y gestión de inventarios, lo que destaca la importancia de contar con estrategias flexibles para adaptarse a cambios inesperados en la demanda.
¿COMO REDUCIR EL RIESGO DE LA INCERTIDUMBRE EN LA DEMANDA?
- Recopilar y analizar datos históricos: Analizar datos pasados de ventas y demanda puede proporcionar información valiosa sobre patrones estacionales, tendencias del mercado y eventos que puedan haber afectado la demanda en el pasado.
- Utilizar técnicas de pronósticos: Las técnicas de pronósticos, como el análisis de series temporales, pueden ayudar a prever la demanda futura en función de datos históricos y factores externos, lo que permite a las empresas anticipar cambios en la demanda y ajustar su producción e inventarios. en consecuencia.
- Implementar sistemas de gestión de inventarios eficientes: Utilizar sistemas de gestión de inventarios que sean flexibles y permitan ajustes rápidos en función de la demanda actual puede ayudar a reducir el riesgo de exceso de stock o falta de stock.
- Establecer relaciones sólidas con los proveedores: Mantener relaciones sólidas con los proveedores puede ayudar a las empresas a responder rápidamente a cambios en la demanda al garantizar un suministro constante y flexible de materias primas y productos terminados.
- Diversificar la cartera de productos: Ofrecer una variedad de productos puede ayudar a reducir el impacto de la incertidumbre en la demanda de un producto específico, ya que una disminución en la demanda de un producto puede ser compensada por un aumento en la demanda de otro producto. .
- Mantener una comunicación abierta con los clientes: Mantener una comunicación abierta con los clientes puede ayudar a las empresas a anticipar cambios en la demanda al obtener información sobre las necesidades y preferir.
2. ECONOMÍA E INFLACIÓN
Muchas empresas están sintiendo la presión, ya que los temores a la recesión, la inflación y las malas condiciones económicas implican costos más altos de combustible, energía, mano de obra y en las materias primas en general. En tiempos de inflación, las empresas enfrentan el riesgo de picos repentinos en los precios o escasez de materiales. Cuando los equipos de I+D y de diseño están integrados en su cadena de suministro y ecosistemas de fabricación, usted puede desarrollar de forma preventiva diseños de “productos alternativos” en donde los componentes de los materiales pueden presentarse inasequibles o en el peor de los escensarios escasos.
Para salir adelante en tiempos de agitación económica, las cadenas de suministro deben ser visibles y tener capacidad de respuesta. Y como indica la última investigación de Gartner, los mejores líderes en cadenas de suministro buscan soluciones de cadena de suministro inteligentes que incluyan herramientas tales como analíticas de datos y proyecciones en tiempo real, que pueden ayudar a obtener una ventaja competitiva.
Para lograr este nivel de visibilidad y continuidad fluida, las empresas modernas están recurriendo a procesos de planeación que proporciona una visión de red de toda la cadena de suministro, así como analíticas y alertas en tiempo real para ayudar a prever y anticiparse a las dificultades impulsadas por la inflación. Un proceso de Planeación Integrada del Negocio (IBP) para cadenas de suministro brinda soporte a la simulación y la comparación de diferentes escenarios de planeación del suministro para impulsar decisiones más rápidas y colaborativas.
3. INESTABILIDAD GEOPOLITICA
Hacemos referencia a la situación en la que las relaciones entre países o regiones son tensas o volátiles, lo que puede generar conflictos, cambios bruscos en las políticas gubernamentales, disturbios civiles, guerras u otras formas de inestabilidad que afectan a la estabilidad global. Algunos ejemplos de factores que pueden contribuir a la inestabilidad geopolítica incluyen disputas territoriales, tensiones étnicas o religiosas, diferencias ideológicas, competencia por recursos naturales y la presencia de actores no estatales como grupos terroristas o insurgentes, la operación militar especial de Rusia en Ucrania, la guerra entre Israel y Gaza, los ataques Huties en el mar Rojo, entre otros, son ejemplos de ello. La inestabilidad geopolítica puede tener un impacto significativo en las cadenas de suministro, ya que puede interrumpir el comercio internacional, afectar la disponibilidad de recursos y aumentar el riesgo para las empresas que operan en áreas afectadas por la inestabilidad. Por lo tanto, es importante para las empresas estar al tanto de los desarrollos geopolíticos y desarrollar estrategias para mitigar los riesgos asociados con la inestabilidad geopolítica.
¿COMO REDUCIR EL RIESGO DE INESTABILIDAD GEOPOLITICA?
- Diversificación de la cadena de suministro: Mantener una cadena de suministro diversificada puede ayudar a reducir la exposición al riesgo en áreas geográficas específicas. Trabajar con múltiples proveedores y ubicaciones puede ayudar a garantizar la continuidad del suministro en caso de interrupciones en una región particular.
- Evaluación de riesgos y planificación de contingencia: Realizar evaluaciones periódicas de riesgos geopolíticos y desarrollar planes de contingencia para abordar posibles interrupciones en la cadena de suministro puede ayudar a minimizar el impacto de eventos inesperados.
- Monitorización de eventos geopolíticos: Estar al tanto de los desarrollos geopolíticos relevantes puede ayudar a las empresas a anticipar posibles riesgos y tomar medidas proactivas para mitigarlos.
- Diversificación de mercados: Diversificar los mercados a los que se dirigen los productos puede reducir la dependencia de una región en particular y minimizar el impacto de la inestabilidad en un mercado específico.
- Establecimiento de relaciones sólidas: Construir relaciones sólidas con proveedores, clientes y socios en diferentes regiones puede facilitar la adaptación a situaciones de crisis y ayudar a mitigar los efectos de la inestabilidad geopolítica.
- Seguro y gestión de riesgos financieros: Obtener seguros adecuados y utilizar instrumentos financieros para gestionar los riesgos asociados con la inestabilidad geopolítica puede ayudar a proteger los activos y la rentabilidad de la empresa.
4. EVENTOS METEOROLÓGICOS EXTREMOS
Desde inundaciones hasta olas de calor, huracanes, tornados, nevadas, sequias e incendios forestales, los eventos meteorológicos extremos han estado ocurriendo con una frecuencia alarmante y creciente en los últimos años, generando un enorme impacto en las cadenas de suministro. Un ejemplo de evento meteoróligo extremo fue la Tormenta en Zhengzhou, la palabra tormenta se queda corta a la hora de definir lo ocurrido en esta ciudad china. El 19 de julio de 2021 cayó en un solo día el equivalente a “un año” entero de precipitaciones, obligando a evacuar a alrededor de 200.000 personas, otro ejemplo fue la Ola de calor en Norteamérica. Más de 1.200 récords de altas temperatura fueron batidos durante el día y 1.500 por las noches en diferentes ciudades de Estados Unidos y Canadá entre el 24 y el 30 de junio de 2021, según la Oficina Nacional de Administración Oceánica y Atmosférica (NOAA) a causa de un domo de calor.
Debido a los eventos meteorológicos extremos las fábricas y plantas de producción pueden cerrar temporalmente, lo que lleva a una escasez de productos. Las carreteras, puentes, ferrocarriles y puertos pueden sufrir daños lo que dificulta el transporte de mercancías. Se pueden retrasar los envíos de mercancías, lo que puede afectar la disponibilidad de productos en el mercado. Los costos de transporte pueden aumentar debido a la necesidad de utilizar rutas alternativas o de transporte especializado y los consumidores pueden reducir su demanda de ciertos productos durante y después de eventos meteorológicos extremos.
¿COMO REDUCIR EL RIESGO A EVENTOS METEOROLÓGICOS EXTREMOS?
- Evaluación de riesgos: Realizar una evaluación de riesgos para identificar las áreas vulnerables de la cadena de suministro.
- Planificación de la continuidad del negocio: Desarrollar un plan de continuidad del negocio que incluya medidas para hacer frente a posibles interrupciones causadas por eventos meteorológicos extremos.
- Diversificación de proveedores y rutas de transporte: Trabajar con múltiples proveedores y utilizar rutas de transporte alternativas para reducir la dependencia de una sola fuente o ruta de transporte.
- Inversión en infraestructura resiliente: Mejorar la infraestructura de la cadena de suministro para que sea más resistente a esta clase de eventos, por ejemplo, mediante la construcción de almacenes más seguros o la mejora de las vías de transporte.
- Seguro de riesgos climáticos: Obtener un seguro que cubra los riesgos climáticos para mitigar el impacto financiero.
- Monitorización y alerta temprana: Utilizar sistemas de monitorización y alerta temprana para recibir información sobre eventos meteorológicos extremos con anticipación y poder tomar medidas preventivas.
- Capacitación y concienciación: Capacitar al personal sobre cómo responder de manera efectiva a esta clase de eventos y concienciar sobre la importancia de la preparación y la mitigación de riesgos.
5. CIBERATAQUES / CIBERAMENZAS
Un ataque cibernético es cualquier esfuerzo intencional para robar, exponer, alterar, deshabilitar o destruir datos, aplicaciones u otros activos a través del acceso no autorizado a una red, sistema informático o dispositivo digital. Los actores de amenzas lanzan ataques cibernéticos por todo tipo de razones, desde hurtos menores hasta actos de guerra. Utilizan diversas tácticas, como ataques de malware, estafas de ingeniería social y robo de contraseñas, para obtener acceso no autorizado a sus sistemas objetivo. Los ataques cibernéticos pueden perturbar, dañar e incluso destruir empresas. El costo promedio de una filtración de datos es de 4.35 millones de dolares, este precio incluye los costos de detección de la filtración y respuesta ante esta, tiempo de inactividad y la pérdida de ingresos, así como el daño reputacional a largo plazo de una empresa y su marca.
Las organizaciones pueden reducir los ciberataques con un sistema de ciberseguridad eficaz. La ciberseguridad es la práctica de proteger sistemas críticos e información confidencial de ataques digitales, que involucran tecnología, personas y procesos. Un sistema de ciberseguridad efectivo previene, detecta e informa los ataques cibernéticos utilizando tecnologías clave de ciberseguridad y mejores prácticas, que incluyen:
- Gestión de accesos e identidades (IAM)
- Una plataforma completa de seguridad de datos
- Información de seguridad y gestión de eventos (SIEM)
- Servicios de seguridad ofensivos y defensivos e inteligencia de amenazas
En el año 2014, el minorista estadounidense Home Depot confirmaba un gran ataque informático que expuso los datos de 56 millones de tarjetas de crédito. La intrusión había durado más de 5 meses y conforma uno de los mayores ataques digitales de la historia. Los afectados serían todos los clientes que hubieran realizado cualquier tipo de compra en una de sus 3.000 tiendas. Se estimó que los piratas informáticos accedieron a través de BlackOps, la misma herramienta con la que habían hackeado en el ataque a Target.
MATRIZ DE RIESGOS CADENA DE SUMINISTROS
Una matriz de riesgos es una herramienta utilizada en la gestión de riesgos para visualizar y clasificar los riesgos potenciales de un proyecto, proceso o actividad. Por lo general, se representa en forma de una tabla que muestra los riesgos en función de su probabilidad de ocurrencia y el impacto que tendrían si se materializan. Esto ayuda a identificar los riesgos más críticos y a priorizar las acciones para mitigarlos. Este ejemplo es genérico y puede aplicarse a diversas industrias. En la práctica, las empresas suelen adaptar estas matrices a sus contextos específicos y a los riesgos particulares de su cadena de suministro.
Acerca de JOSÉ ANDRÉS ROSAS
correo electroníco: joserosassoluciones@hotmail.com
Cuantos datos históricos se necesitan para realizar un pronóstico?
La respuesta a esta pregunta es NO EXISTE UNA CANTIDAD MÍNIMA O MÁXIMA DE DATOS HISTÓRICOS para ejecutar un proceso de pronósticos.
La cantidad ideal de datos históricos para realizar un proceso de pronósticos puede variar según el tipo de pronóstico a utilizar y la complejidad del fenómeno a analizar. En términos generales, contar con un conjunto de datos extenso y representativo puede mejorar la asertividad del proceso de pronóstico. Sin embargo, la calidad de los datos y la estabilidad de condiciones externas también son factores que determinan el número de datos a analizar.
En algunos casos, modelos predictivos pueden requerir grandes cantidades de datos, mientras que en otros, un conjunto más pequeño pero “bien seleccionado” podría ser suficiente. Es esencial evaluar cada situación de manera específica.
Cuando nos referimos a la complejidad de los fenómenos, hacemos énfasis a fenómenos como: el crecimiento económico, el %PIB, el consumo per cápita, el precio del dólar, el clima, la demanda de un producto, etc.
Por ejemplo, para pronosticar la demanda, es recomendable trabajar por lo menos con 24 periodos mensuales, este número de periodos proporciona una visión más completa de los patrones estacionales, tendenciales y cíclicos, sin embargo, la elección del número de datos dependerá de la naturaleza del producto, la variabilidad de la demanda y la disponibilidad de datos relevantes, además, considerar factores externos como cambios en el mercado o eventos especiales puede ser crucial para ajustar y mejorar la predicción.
Es relevante tener en cuenta los siguientes aspectos para determinar el número de datos históricos:
Tipo de producto
La naturaleza del producto y su ciclo de vida influyen en la cantidad de datos, si se desconoce en qué etapa del ciclo de vida se encuentra y usted toma los datos históricos desde su lanzamiento, el modelo de pronóstico puede incurrir en sesgo debido a que los valores de los datos de la etapa de lanzamiento son menores a los valores de los datos en la etapa de madurez o viceversa.
Factores Estacionales
Cuantos más ciclos estacionales puedas identificar en tus datos, mejor podrás entender la naturaleza y la regularidad de las estacionalidades. Un conjunto de datos más extenso que abarque múltiples ciclos estacionales proporcionará una base más sólida para prever patrones futuros. Si estás tratando con estacionalidades a nivel mensual, anual, trimestral, etc., necesitarás suficientes datos en cada período para capturar la variación estacional de manera efectiva, estacionalidades como: navidad, san Valentín, halloween, vacaciones, escolar, fiestas patronales y nacionales, entre otros, marcan un patrón de comportamiento en un conjunto de datos y para que un modelo de pronóstico identifique ese patrón se requerirán como mínimo 24 datos históricos mensuales.
Variabilidad
Uno de los retos más apremiantes en la planeación de demanda es cuando se enfrenta a una serie de datos con una alta variabilidad con coeficientes de variación por encima del 1.0, en casos muy específicos con coeficientes por encima de 0.5 se vuelve complejo pronosticar, en algunos casos, la variabilidad puede deberse a factores a corto plazo que no afectan las tendencias a largo plazo. Para situaciones de alta variabilidad no se recomienda utilizar menos de 12 datos históricos debido a que el modelo no lograría identificar si la variabilidad de los datos es temporal o es recurrente, para este tipo de series de tiempo es recomendable analizar 36 datos históricos mensuales o más, después ir descartando aquellos datos o periodos que generan la distorsión o variabilidad.
En situaciones con alta variabilidad, puede ser más apropiado proporcionar datos o grupo de datos en forma de rangos o en intervalos de tiempo en lugar de valores puntuales (agregar a nivel de periodo).
Cambios en el Mercado
Eventos económicos, competencia o cambios regulatorios pueden afectar la demanda. En mercados que han experimentado cambios en el pasado, es beneficioso contar con un historial significativo de datos recomendable mayor a 36 registros. Esto permite analizar cómo el mercado ha respondido a situaciones similares en el pasado y puede proporcionar insights valiosos para prever futuros cambios.
En algunos casos, especialmente cuando se anticipan cambios rápidos, la integración de datos en tiempo real puede ser esencial. Esto permite ajustar los pronósticos de manera dinámica a medida que evolucionan las condiciones del mercado, Asegúrese de tener datos que reflejen los aspectos clave del mercado que se verán afectados por los cambios anticipados. Esto podría incluir datos de ventas, comportamiento del consumidor, tendencias económicas, entre otros.
Dependiendo de la velocidad con la que se esperan los cambios, puede ser necesario trabajar con datos más frecuentes (mayor granularidad) para capturar los cambios a corto plazo.
Calidad de los Datos
De nada sirve contar con un extenso conjunto de datos, si los datos no reflejan la realidad de lo ocurrido, es mejor trabajar con pocos datos pero consistentes. Los modelos de pronóstico dependen en gran medida de la calidad de los datos de entrada. Si los datos contienen errores, sesgos o están incompletos, los modelos generarán pronósticos inexactos.
La confiabilidad de los datos se refiere a su consistencia y estabilidad a lo largo del tiempo. Los datos inconsistentes o que varían significativamente pueden afectar la capacidad de los modelos de pronósticos, al igual que la falta de datos o datos incompletos puede llevar a lagunas en la información.
Los datos deben ser íntegros haciendo referencia a su calidad. Los errores en la entrada de datos, duplicaciones o inconsistencias pueden afectar la confiabilidad de los resultados, la implementación de prácticas sólidas de gestión de datos, como la limpieza regular de datos, la validación y la actualización constante.
Intervalos de Tiempo
Este intervalo, también conocido como frecuencia temporal, se refiere a la distancia entre puntos de datos sucesivos, comúnmente conocido como “granularidad”.
La granularidad del tiempo se refiere a cuán detallada es la información temporal. Puedes tener intervalos de tiempo diarios, horarios, mensuales, anuales, etc. La elección de la granularidad debe adaptarse a la naturaleza del problema y a la disponibilidad de datos. La elección del intervalo de tiempo también está vinculada a la capacidad de recopilar y procesar datos. Intervalos de tiempo más cortos pueden requerir más recursos y capacidad de procesamiento.
Dependiendo de la granularidad escogida así mismo seria el número de datos a analizar, por ejemplo realizar la estimación de la frecuencia de la parada del bus, para este caso la granularidad es a nivel de “hora” y en un día obtendrás unos 18 a 20 registros y en el mes obtendrás 600 registros aproximadamente dependiendo de la franja horaria que tenga establecido el sistema de transporte urbano.
Efectos Externos
La cantidad de datos necesarios para realizar un pronóstico cuando existen efectos externos depende de la naturaleza de esos efectos y de la complejidad del sistema que estás tratando de modelar. Comienza identificando y comprendiendo los efectos externos que podrían influir en tus resultados. Esto podría incluir factores como eventos climáticos, cambios en las regulaciones gubernamentales, fluctuaciones económicas, pandemias u otros eventos imprevistos.
Reúne datos históricos que estén directamente relacionados con los efectos externos que podrían afectar tus pronósticos. Estos datos te ayudarán a comprender cómo el sistema ha respondido en el pasado a situaciones similares, recopila datos contextuales que puedan ayudar a explicar y comprender la interacción entre los factores externos y tus variables de interés. Esto puede incluir datos demográficos, datos geográficos, etc.
Dada la incertidumbre asociada con los efectos externos, considera utilizar técnicas de modelado de escenarios. Esto implica desarrollar varios escenarios posibles basados en diferentes condiciones externas y evaluar cómo cada escenario afectaría tus pronósticos, en situaciones donde los efectos externos son complejos y difíciles de modelar, la colaboración con expertos en el campo puede ser valiosa. La experiencia humana puede proporcionar perspectivas que los modelos puramente cuantitativos podrían pasar por alto.
Conclusión
Los modelos de pronóstico desempeñan un papel crucial al analizar y entender patrones pasados, proporcionando una interpretación de lo que ha ocurrido en un determinado conjunto de datos. Sin embargo, es esencial destacar que estos modelos interpretan eventos históricos y patrones pasados, no anticipan de manera directa lo que ocurrirá en el futuro. Su función principal radica en identificar tendencias, estacionalidades y relaciones en datos previos para informar sobre posibles escenarios futuros. La interpretación de datos históricos permite a los modelos ofrecer perspectivas valiosas sobre cómo ciertos factores han influido en el pasado, brindando así una base para realizar proyecciones y pronósticos. No obstante, la incertidumbre inherente a eventos futuros significa que los modelos de pronóstico deben ser utilizados con cautela y considerados como herramientas de apoyo, con la comprensión de que no pueden predecir de manera infalible lo que sucederá en el futuro.
Acerca de JOSÉ ANDRÉS ROSAS
correo electroníco: joserosassoluciones@hotmail.com
ALMACENAMIENTO – CENTRALIZAR O DESCENTRALIZAR
Centralizar o descentralizar el proceso de almacenamiento es una decisión estratégica importante para cualquier empresa. Centralizar o descentralizar son dos enfoques logísticos opuestos pero igualmente validos para gestionar la distribución de productos en una empresa. Cada enfoque tiene sus ventajas, desventajas y consideraciones particulares y la elección entre ellos depende de varios factores, como la estructura de la empresa, las necesidades del mercado, la visión empresarial y los objetivos estrategícos.
La decisión de centralizar o descentralizar el proceso de almacenamiento implica considerar varios aspectos claves, a continuación, comparto algunos aspectos importantes a tener en cuenta al momento de analizar cualquiera de los dos enfoques:
ASPECTOS CLAVES A CONSIDERAR:
- Proximidad del mercado: Evaluar la ubicación de tus clientes, revisa como se encuentran dispersos tus clientes y la proximidad geográfica de tu mercado objetivo.
- Demanda y volumen de ventas: Considerar el volumen de ventas y la demanda de tus productos en diferentes áreas geográficas, Revisar si existe una concentración significativa de clientes en una región especifica o si existe una demanda creciente en un área en particular.
- Variedad de productos y segmentación: Si ofreces una amplia variedad de productos o si tienes segmentos de mercado que requieren un enfoque especializado.
- Costo de transporte: Evaluar los costos asociados con el transporte de productos tanto de un almacen centralizado como descentralizado hacia las diferentes ubicaciones.
- Costo del Inventario: Seguramente se han preguntado si al momento de descentralizar la operación mantendré los mismos niveles de inventario, deben evaluar el incremento en el costo que tendria la empresa llegado el caso de descentralizar.
- Flexibilidad y capacidad de respuesta: Evaluar la promesa de servicio que ofrecerá a sus clientes, investigar cual es el tiempo de respuesta que sus clientes estan dispuestos a aceptar y cual es el tiempo de respuesta ofrecido por la competencia.
CENTRALIZAR
La centralización implica tener un único almacén o centro de distribución principal donde se concentran todas las actividades de almacenamiento y distribución de la empresa.
A continuación encontraran algunas ventajas de este enfoque:
- Eficiencia en la gestión: Al contar con un solo centro de almacenamiento, es mas facil supervisar y controlar las operaciones logísticas, se pueden implementar procesos estandarizados y optimizar los recursos disponibles
- Mayor coordinación: La centralización permite una mejor coordinación y sincronización de las actividades de almacenamiento y distribución, esto facilita la planificación de inventarios, el control de la cadena de abastecimiento y la resupuesta rapida a las demanda del mercado.
- Reducción de costos: Al consolidar las operaciones en un solo lugar, se pueden obtener economías de escala y reducir los costos asociados con la gestión de multiples ubicaciones, esto incluye ahorros en transporte, mano de obra y utilización eficiente del espacio.
También comparto algunas desventajas de este enfoque:
- Dependencia y riesgo: Al tener un solo centro de almacenamiento, la empresa se vuelve dependiente de esa ubicación, cualquier interrupción o problema en el centro de almacenamiento puede tener un impacto significativo en toda la cadena de suministro.
- Mayor tiempo de entrega: Debido a que todos los productos deben enviarse desde un único centro de almacenamiento, es posible que los tiempos de entrega sean mas largos, especialmente para clientes ubicados lejos de esa ubicación central
- Mayor costo de transporte: El transporte de productos desde un centro centralizado hacia diferentes destinos puede resultar en mayores costos logísticos, esto se debe a distancias de envío mas largas y, en algunos casos, la necesidad de utilizar servicios expréss para cumplir con los plazos de entrega pactados con los clientes.
CASO DE ÉXITO CENTRALIZAR
Inditex es una multinacional española, primer minorista textil del mundo que se ha posicionado como ejemplo de negocio internacional, con marcas como ZARA, PULL&BEAR, OYSHO, BERSHKA, entre otras. Comercializa en 202 mercados a través de la plataforma online y cuenta con más de 7.420 tiendas distribuidas alrededor del mundo.Tiene su sede central en Polígono Industrial de Sabón en La Coruña, España.
Una de las características en que destaca Inditex es en sus procesos logísticos considerado uno de los principales factores de su éxito, ya que su proceso logístico de distribución y almacenamiento está centralizado en su sede central de Galicia. La centralización en logística significa concentrar todos los productos en un único punto desde donde se distribuyen.
En este contexto, la cercanía de la producción es una ventaja competitiva para garantizar la agilidad de la distribución. Así, la logística se complementa con otros centros de menor tamaño situados en diversos países a través de operadores logísticos externos que ejecutan procedimientos de distribución con un volumen reducido.
DESCENTRALIZAR
La descentralización del proceso de almacenamiento implica tener multiples almacenes o centros de distribución ubicados estrategicamente en diferentes áreas geografícas.
A continuación encontraran algunas ventajas de este enfoque:
- Tiempo de entrega mas rapido: Al contar con almacenes en ubicaciones cercanas a los clientes, se reducen las distancias de transporte y, por lo tanto, los tiempos de entrega, esto puede mejorar la satisfacción del cliente y la competitividad de la empresa
- Adaptabilidad regional: Con almacenes descentralizados, es posible adaptarse mejor a las necesidades y preferencias locales de los clientes. Se pueden manejar variaciones en la demanda, requisitos de inventario especificos y regulaciones locales de manera mas efectiva.
- Resilencia y mitigación de riesgos: Al tener multiples almacenes, se reduce la vulnarabilidad ante desastres naturales, interrupciones en el transporte o problemas en un solo punto de abastecimiento, la descentralización proporciona una mayor resilencia y capacidad de recuperación frente a eventos adversos.
También comparto algunas desventajas de este enfoque:
- Mayor complejidad operativa: Al contar con multiples almacenes, se requiere una gestión mas compleja de inventarios, personal y recursos. Coordinar y sincronizar las actividades entre diferentes ubicaciones puede ser un desafío logístico adicional.
- Duplicación de recursos: Cada almacén descentralizado necesita contar con su propio personal operativo y administrativo, equipos y sistemas de almacenamiento, esto puede generar costos adicionales debido a la duplicidad de estos recursos y a la necesidad de manetener multiples instalaciones.
- Mayor dificultad en la estandarización: La descentralización puede dificultar la estandarización de procesos y procedimiento en todos los almacenes. Cada ubicación puede tener sus propias prácticas y métodos, lo que puede dificultar la implementación de cambios y mejoras a nivel global.
- Mayor nivel de inventario: Al contar con multiples ubicaciones, el inventario necesario para anteder la demanda de cada región asignada implica contar con niveles de inventarios de seguridad en cada uno de ellos, este nivel de inventario es mucho mayor a que si la demanda se atendiera desde un solo almacen (demanda desagregada).
CASO DE ÉXITO DESCENTRALIZACIÓN
Líder es una cadena de supermercados e hipermercados, perteneciente al grupo chileno-estadounidense Walmart Chile, que hoy trabaja con una cadena de abastecimiento descentralizada, abriendo su oferta también a las necesidades de un grupo de clientes con menores recursos, creando las SuperBodegas ACuenta.
Estos almacenes son un formato de supermercado que comercializa alimentos y artículos para el hogar, pero dirigida a los estratos socioeconómicos más populares del país, con productos alternativos a las marcas tradicionales, pero a un menor precio.
Buscar nuevas opciones para abaratar los costos y captar nuevos nichos de mercado, lleva a los empresarios que, en un principio centralizaban su negocio en la comercialización de pocos productos estándares, a descentralizarlo, en una búsqueda de nuevas oportunidades de negocios.
CONCLUSIONES Y RECOMENDACIONES
Expuesto lo anterior, la respuesta a si se debe centralizar o descentralizar no depende, ni es indicativo de una tendencia o coyuntura o moda, sino que dependerá de factores específicos de cada empresa, como su tamaño, tipo de productos, tipo de portafolio, mercado objetivo y recursos disponibles, en algunos casos, una combinación de ambos enfoques conocido como modelo hibrído puede ofrecer la mejor solución.
Cada enfoque tiene sus propias implicaciones logísticas, financieras y estratégica, se recomienda realizar un análisis detallado y considerar las necesidades y objetivos de la empresa antes de tomar una decisión sobre la centralización o descentralización.
Webgrafia:
https://www.beetrack.com/es/blog/descentralizacion-en-las-cadenas-de-suministro
https://blog.wearedrew.co/caso-de-estudio/caso-inditex-centralizacion-logistica
Acerca de JOSÉ ANDRÉS ROSAS
correo electroníco: joserosassoluciones@hotmail.com
COBERTURA DE INVENTARIO
La cobertura de inventario es una medida logística que indica la cantidad de tiempo durante el cual una empresa puede cubrir la demanda de sus clientes con el inventario disponible. Ese cubrimiento de inventario se expresa mayormente por las empresas en termino de días.
Conocer al detalle la cobertura de inventario es relevante para asegurar que las empresas pueden dar cumplimiento a los pedidos de los clientes sin incurrir en un quiebre de inventario, de igual manera se pueden hacer previsiones de abastecimiento y liquidez para que la compañía pueda aprovisionarse correctamente dado el caso adelantando o retrasando pedidos. Sumado a esto, también se puede calcular con cuánto tiempo de antelación se deben de realizar los pedidos a los proveedores, en función de sus tiempos de espera.
Como se calcula la Cobertura de Inventario?
La fórmula utilizada para calcular la cobertura de inventario es dividiendo la cantidad de inventario sobre la demanda promedio o estimada, la expresión matemática es la siguiente:
COBERTURA DE INVENTARIO = CANTIDAD DE INVENTARIO / DEMANDA
Es importante aclarar que el resultado de la cobertura de inventario el cual viene expresado en unidad de tiempo depende de la periodicidad de la demanda que se vaya a utilizar, si la demanda promedio o estimada es semanal el resultado de la cobertura vendra expresada en semanas y si la demanda promedio o estimada es mensual el resultado de la cobertura vendra expresada en meses.
Como es habitual en las compañias, el cálculo de la cobertura de inventario viene expresada en días, entonces si su demanda estimada o el promedio de la demanda es mensual la relación se debe multiplicar por 30 días, la formula quedaría de la siguiente manera:
COBERTURA DE INVENTARIO (días) = CANTIDAD DE INVENTARIO / DEMANDA (mes) x 30 días
Como Interpretar La Cobertura de Inventarios:
El objetivo de la cobertura de inventario es contar con un nivel de inventario “adecuado” para atender la demanda, lo ideal es que el resultado de la cobertura sea un numero lo suficientemente grande para no tener ruptura de inventario, no obstante, esto podria tener repercusiones como exceso de inventario, lo que llevaría a las empresas a incurrir en costos de almacenamiento, incrementa el cuidado y la administración del inventario, capital de trabajo (efectivo) congelado y el riesgo de obsolescencia y/o vencimiento del inventario.
Por el contrario, contar con una cobertura baja de inventario, las empresas incurrirían en quiebres permanentes de inventario, multiples procesos de generación de pedidos y llegado el caso sobrecostos por entregas prioritarias o de urgencia.
Ejemplo Cálculo Cobertura de Inventario
Carlos, el dueño de un almacen de ventas de zapatos para mujer, al realizar inventario fisico dispone de 100 pares de zapatos, la demanda promedio mensual es de 120 zapatos, la cobertura de inventario de zapatos para mujer sería:
COBERTURA DE INVENTARIO = CANTIDAD DE INVENTARIO / DEMANDA x 30 días
COBERTURA DE INVENTARIO = 100 zapatos / 120 zapatos/mes x 30 días
COBERTURA DE INVENTARIO = 0.833 x 30 días
COBERTURA DE INVENTARIO = 25 días
Carlos podria interpretar el resultado de las siguientes maneras:
El inventario de 100 pares de zapatos para mujer alcanza a cubrir 25 días de venta.
El almacen de Carlos cuenta con una cobertura de inventario para afrontar la demanda durante 25 días.
Acerca de JOSÉ ANDRÉS ROSAS
correo electroníco: joserosassoluciones@hotmail.com
ANÁLISIS EXPLORATORIO DE DATOS EN PLANEACIÓN DE DEMANDA
¿QUE ES EL ANÁLISIS EXPLORATORIO DE DATOS?
Los profesionales de Planeación de Demanda o Demand Planners utilizan el análisis exploratorio de datos (Exploratory Data Analysis) con el fin de analizar e investigar conjuntos de datos y resumir sus principales características, a menudo empleando métodos de visualización de datos. El EDA ayuda a determinar la mejor manera de manipular las fuentes de datos para obtener las respuestas que necesita, lo que facilita a los planeadores de demanda descubrir patrones, detectar anomalías, probar una hipótesis o comprobar supuestos.
El EDA se usa principalmente para ver qué pueden revelar los datos más allá de la tarea formal de modelado o de prueba de hipótesis y proporciona una mejor comprensión de las variables del conjunto de datos y las relaciones entre ellas. También puede ayudar a determinar si las técnicas estadísticas que está implementando para el análisis de datos son apropiadas. Desarrollado originalmente por el matemático estadounidense John Tukey en los 70, las técnicas de EDA siguen siendo un método ampliamente utilizado en el proceso de descubrimiento de datos hoy en día.
.
Mediante el proceso del EDA, estamos tratando de encontrar varios aspectos relevantes en demanda como por ejemplo:
- Conocer la estructura y distribución de los datos
- Encontrar las relaciones entre las variables explicatorias
- Encontrar la relación que tienen las variables explicatorias con la variable respuesta
- Encontrar posibles errores, datos atípicos (outliers) y anomalías en los datos
- Identificar patrones de comportamiento
- Refinar o confirmar nuestras hipótesis
- Generar nuevas preguntas sobre los datos que tenemos
.
OBJETIVO DEL ANÁLISIS EXPLORATORIO DE DATOS
El propósito principal del EDA es ayudar a estudiar los datos antes de hacer cualquier supuesto. Puede ayudar a identificar errores obvios, así como comprender mejor los patrones dentro de los datos, detectar valores atípicos o eventos anómalos, y encontrar relaciones interesantes entre las variables.
Los profesionales de planeación de demanda pueden utilizar un análisis exploratorio para garantizar que los resultados que producen son válidos y aplicables a los resultados y objetivos empresariales deseados., como el cumplimiento o no del presupuesto, expectativas de crecimiento o decrecimiento, entro otros. El EDA también ayuda a los stakeholders al confirmar que están haciendo las preguntas correctas. El EDA puede ayudar a responder preguntas acerca de desviaciones estándar, variables categóricas e intervalos de confianza.
No existe como tal una técnica formal que nos indique como llevar a cabo este tipo de análisis, mas bien depende de lo que vayamos encontrando en los datos, así como la experiencia y el conocimiento especifico del campo que tengamos, el análisis exploratorio de datos es como un trabajo detectivesco, se buscan claves y pistas que puedan conducir a la identificación de las posibles causas de origen del problema que se intenta resolver. Se exploran las variables de una en una, luego de dos en dos, y luego muchas variables a la vez, como el EDA implica explorar, podemos decir que es un proceso iterativo. .
TIPOS DE ANÁLISIS EXPLORATORIO DE DATOS
Existe literatura extensa acerca de las diferentes tipos de EDA, pero de un modo practico lo podemos resumir en 4 tipos:
- Numérico Univariante
- Grafíco Univariante
- Numérico Multivariante
- Grafíco Multivariente
1. Numérico Univariante
Esta es la forma más simple de análisis de datos, donde los datos analizados consisten en una sola variable, es el tipo de EDA mas básico y usado por los profesionales de Planeación de Demanda debido que es una sola variable la de nuestro interés (Demanda), en este análisis no se ocupa de las causas o relaciones. El objetivo principal del análisis univariante es describir los datos e identificar los patrones que existen en ellos, a continuación los descriptores univariantes mas comunes son:
- Número de observaciones
- Máximo
- Mínimo
- Rango
- Tendencia
- Desviación estándar
- Media o promedio
- Mediana
- Moda
- Coeficiente de variación
- Simetría
- Curtosis
- Funcíon de autocorrelación
2. Gráfico Univariante
Los métodos numéricos no proporcionan una imagen completa de los datos, por lo tanto, se requieren métodos gráficos. Los tipos comunes de gráficos univariantes incluyen:
- Diagrama de Líneas, Los gráficos de líneas se utilizan para mostrar el valor cuantitativo en un intervalo de tiempo continuo. Se usa con mayor frecuencia para mostrar tendencias y relaciones (cuando se agrupan con otras líneas). Los gráficos de línea también ayudan a dar un «panorama general» en un intervalo, para ver cómo se ha desarrollado durante ese período.
.
Gráfico 1. Diagrama de Linea
.
- Histogramas, diagramas de barras en los que cada barra representa la frecuencia (recuento) o la proporción (recuento/recuento total) de casos para un rango de valores.
Gráfico 2. Histograma
.
- Diagrama de Cajas – Bigotes (boxplots o box and whiskers) son una presentación visual que describe varias características importantes, al mismo tiempo, tales como la dispersión y simetría. Se representan gráficamente el resumen de seis números dentro de los datos, el mínimo, primer cuartil, mediana, media, tercer cuartil y máximo, también ayuda a identificar valores atípicos (outliers).
.Gráfico 3. Diagrama de Cajas – Bigotes
.
3. Numérico Multivariante
Se obtienen datos multivariantes de más de una variable. Las técnicas de EDA no gráficas y multivariantes generalmente muestran la relación entre dos o más variables de los datos a través de la tabulación cruzada o las estadísticas, el estadístico mas usado en técnicas multivariantes es el coeficiente de correlación.
.
4. Gráfico Multivariante
Los datos multivariantes utilizan gráficos para mostrar relaciones entre dos o más conjuntos de datos. El gráfico más utilizado es un diagrama de barras agrupadas o un gráfico de barras donde cada grupo representa un nivel de una de las variables y cada barra dentro de un grupo representa los niveles de la otra variable.
Muchos procedimientos estadísticos en planeación de demanda exigen una serie de requisitos según de cual se trate, pero en términos sencillos, los podemos resumir así:
- Homogeneidad
- Independencia
- Normalidad
.
HOMOGENEIDAD
En toda serie histórica de datos (Serie de tiempo) es conveniente revisar que tan homogéneos son los datos, en el análisis de series de tiempo, nos interesa la “estabilidad” de la demanda en relación al tiempo. Debemos chequear la presencia de valores extremos Máximo y Mínimo, este tipo de datos reciben el nombre de datos influyentes o atípicos (outliers en ingles), se llaman influyentes por dos motivos, 1) porque llaman mucho la atención de los interesados al responder la pregunta de cuanto ha sido la mayor venta o cuanto fue la menor venta o en que periodos se han presentados los dos eventos anteriormente mencionados y 2) porque influyen de manera positiva o negativa en los resultados de estimación de la demanda.
.
Grafico 1. Valores Máximo – Mínimo
.
Contando con los datos máximos y mínimos podemos identificar el Rango (máximo – mínimo), el rango nos permite tener una idea de la dispersión de los datos, cuanto mayor es el rango mayor será la dispersión de los datos (sin considerar la afectación por parte de los outliers), en otras palabras nos da una idea del espacio en el cual se moverá la demanda.
.
Grafico 2. Rango
.
¿Porqué nos importa en planeación de demanda la HOMOGENEIDAD?
El objetivo del análisis y modelado de series de tiempo es usualmente la construcción de modelos de pronósticos que ayuden a estimar la demanda con un alto grado de asertividad con el fin de anticipar el abastecimiento tanto de producto terminado como el de materiales y materia prima. Entonces, ¿Cómo podemos generar estos pronósticos utilizando un modelo con parámetros variables en el tiempo? ¿Cuánta confianza podemos poner en esos pronósticos? ¿El pronóstico es robusto? ¿el pronóstico interpretó el patrón de comportamiento?.
Para resolver las preguntas anteriores es relevante conocer lo opuesto a la homogeneidad y que en la mayoría de las ocasiones es lo que representa a la demanda real, me refiero a la HETEROGENEIDAD.
¿Qué factores afectan la HOMOGENEIDAD en planeación de demanda?
- La demanda está evolucionando con el pasar del tiempo. En este caso, tratar de ajustar un modelo de pronóstico con valores de parámetros fijos no sería óptimo, a pesar de nuestros mejores esfuerzos. Necesitamos examinar técnicas avanzadas de modelado para interpretar el patrón de comportamiento de la serie histórica de la demanda. Esto se encuentra fuera del alcance del EDA por lo que lo trataremos en otro post (modelos de pronósticos)
- La demanda posee algún grado de tendencia o estacionalidad.
- La demanda ha sufrido cambios estructurales puntuales debido a eventos exógenos, como un plan de oferta y promoción, descuentos, aumento o disminución de precios, aprobación y aplicación de nuevas leyes relevantes o un importante desarrollo en el proceso mismo.
.
INDEPENDENCIA
En el análisis de series de tiempo, podemos decir que dos sucesos son independientes entre sí, si la ocurrencia de uno de ellos no afecta para nada a la ocurrencia del otro, ejemplo: el evento de la temperatura de una región y la demanda de una golosina son “independientes”, el hecho de que en una región sea mas calurosa o mas fría no va influir de manera considerada los niveles de venta de una golosina y viceversa.
Para que dos sucesos sean independientes es necesario verificar al menos una de las siguientes condiciones:
- P (B/A) = P (B) es decir, que la probabilidad de que se de el suceso B, condicionada a que previamente se haya dado el suceso A, es exactamente igual a la probabilidad de B.
- P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A, condicionada a que previamente se haya dado el suceso B, es exactamente igual a la probabilidad de A.
- P (A L B) = P (A) * P (B) es decir, que la probabilidad de que se de el suceso conjunto A y B es exactamente igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B.
Algunos ejemplos de sucesos que generan “dependencia” en la demanda y que desde planeación de demanda deben ser bien analizados son:
- Inversión en publicidad, estadísticamente se encuentra demostrado que a mayor nivel de inversión en medios publicitarios mayor será la demanda. generando algún grado de dependencia.
- Precio del Dólar, este suceso afectará de manera considerable la demanda, a mayor precio del dólar, encarecerá el valor del producto ocasionando que se disminuyan las ventas y viceversa.
- Nivel de desempleo, a mayor nivel de desempleo, menor es el poder adquisitivo de las personas, por tal motivo este suceso puede crear algún grado de dependencia en la demanda.
- Nivel de temperatura, en algunos casos para algunos productos, el suceso del nivel de temperatura puede afectar la demanda de un producto, ejemplo, a mayor nivel de temperatura puede aumentar la demanda de bebidas refrescantes o helados.
.
NORMALIDAD
A fin de comprender e interpretar de manera adecuada una serie de tiempo (demanda histórica), se requiere conocer una de las más importantes distribuciones de probabilidad denominada distribución normal. Las características básicas de ella se tratan a continuación.
Una distribución normal representa la forma en la que se distribuyen en la naturaleza los diversos valores numéricos de las variables continuas, la normalidad esta basada en un concepto invariado o aislado con enfoque estadístico generado por una serie de valores u observaciones de una sola variable (univariables) como pueden ser estatura, peso, en nuestro caso una serie de tiempo.
Para delimitar la NORMALIDAD se requiere de un método matemático que defina los valores numéricos que dividan la zona de normalidad y anormalidad en nuestra serie de tiempo.
Características de la NORMALIDAD en una serie de tiempo
- Está determinada por dos parámetros, LA MEDIA y LA DESVIACIÓN ESTANDAR.
- Es SIMETRICA en torno a la media, es decir, el 50% de los datos se encuentran a la derecha y el otro 50% de los datos se encuentran a la izquierda.
- MEDIA, MEDIANA y MODA, son iguales, sin embargo es poco probable que en una serie de tiempo de la demanda de un producto presente MODA por tal motivo no podemos ser muy exigentes con esta característica al momento de descartar NORMALIDAD.
Podemos decir que una serie de tiempo presenta NORMALIDAD cuando el 95,5% de las observaciones se encuentran dentro del intervalo de la MEDIA +/- 2 DESVIACIONES ESTANDAR y tan solo un 4,5% se encuentran fuera de ese intervalo.
Grafico 3. Distribución Normalidad
Acerca de JOSÉ ANDRÉS ROSAS
correo electroníco: joserosassoluciones@hotmail.com
